CN104764748A - 定位绝缘子的方法、系统以及故障检测的方法和系统 - Google Patents
定位绝缘子的方法、系统以及故障检测的方法和系统 Download PDFInfo
- Publication number
- CN104764748A CN104764748A CN201510217820.0A CN201510217820A CN104764748A CN 104764748 A CN104764748 A CN 104764748A CN 201510217820 A CN201510217820 A CN 201510217820A CN 104764748 A CN104764748 A CN 104764748A
- Authority
- CN
- China
- Prior art keywords
- insulator
- image
- location
- topography
- insulators
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
- Insulators (AREA)
- Image Processing (AREA)
Abstract
本发明涉及接触网图像处理技术领域,本发明公开了一种定位绝缘子的方法,其具体包括以下的步骤:拍摄巡检线路支持装置中绝缘子的图像;将图像中各部分的梯度方向直方图描述子特征与绝缘子特征库进行匹配,根据匹配结果输出粗定位后的局部图像;预处理粗定位后的局部图像;取输出的图像的边缘线,并提取边缘线灰度波形中周期变化的部分,同时结合轮廓提取算法实现绝缘子的准确定位;提取出绝缘子。本发明根据绝缘子在图像中明暗相间的周期性变化特征,实现对图像中绝缘子的准确定位,本发明的定位方法不依赖亮度和瓷釉的反光特性,不仅适于夜间拍摄,同样适用于白天拍摄,定位准确性高,对场景光线的依赖性小。
Description
技术领域
本发明涉及对高铁接触网的图像进行处理的技术领域,尤其涉及一种在接触网图像中定位绝缘子的方法、系统以及故障检测的方法和系统。
背景技术
十二五期间,我国已成为世界高速铁路里程第一大国,高速铁路的快速发展和运营品质的需求,对于铁路牵引供电系统设备的安全运行提出了更高的要求。接触网是电气化铁路牵引供电系统的关键设备,具有露天设置、动态工作、沿线无备用等特殊性,因而也是牵引供电系统中最薄弱的环节。一旦发生故障将直接影响牵引供电系统的正常运行,甚至危害列车的行车运营安全。为确保动车组运营秩序和提高动车组的供电安全性、可靠性,《高速铁路供电安全检测监测系统(6C系统)总体技术规范》正式发布实施。其中,接触网悬挂状态检测监测系统(4C)通过对接触网支持与悬挂装置零部件进行高精度成像监测与故障自动识别,及时发现并排除故障隐患,以保障接触网悬挂系统处于良好工作状态。
绝缘子是接触网支持悬挂装置的关键部件之一,起着悬挂装置中带电部分与绝缘部分的电气隔离及对悬挂装置的支撑作用。由于长期工作在阳光曝晒、化学物质腐蚀、强电磁场、强机械应力的环境中,加上本身材质、制造工艺水平限制等因素,极易老化,易出现由雷电、污秽等引起的闪络放电而导致的破损等不良状态,使其绝缘性能降低,严重时导致瓷瓶断裂甚至影响行车运营安全。
当前,新型接触网安全巡检装置的推广应用,已大大降低了接触网巡检工作的耗时和巡检人员的劳动强度。对于一个接触网工区来说,50位工人步行巡检1个月的工作量现在仅需一个职工花3天或一周即可完成管辖范围内线路的图像采集工作。然而,大量的图像数据却需要耗费判读人员较长时间认真仔细观看才能做到不遗漏异常图像。因此,如何利用接触网巡检图像高效智能识别接触网装置故障已成为接触网悬挂状态检测监测系统(4C)的研究重心。
因而,以具有对行车影响小且能实现实时检测的图像处理、智能识别技术为核心的绝缘子状态监测检测与故障识别系统对于保证接触网安全运行具有极其重要的现实意义。
目前,接触网绝缘子识别定位方法主要有:模板匹配法,通过绝缘子模板匹配及每片绝缘子高光反射点拟合直线满足一定角度的特性实现绝缘子的定位,该方法对于拍摄时光源的角度及亮度有较高要求。二代曲波法,利用方向性滤波来识别图像中绝缘子,通过与绝缘子方向一致的形态学膨胀腐蚀对曲波分解系数进行修正,最终定位绝缘子。SURF特征匹配法,通过样本绝缘子的SURF特征描述匹配识别并定位接触网悬挂装置图像中的绝缘子。
接触网绝缘子故障检测方法主要有:小波奇异性特征实现绝缘子异物检测,能量条带法判断夜间瓷质绝缘子片缺失及夹杂异物故障等,其故障检测原理均基于绝缘子图像明暗交错的特性。
目前采用的接触网绝缘子识别定位及故障检测的方法由于其对于亮度和瓷釉反光特性有较大依赖,均只适用于夜间拍摄质量较好的瓷质绝缘子,并不具有普遍性。且由于对拍摄角度及参数有较高要求,仅适用于识别片缺失与片间异物等大范围缺陷,对于面积较小的破损与闪络并不敏感。
申请号为CN201310131380.8的专利公开了一种基于高铁接触网绝缘子曲线状和点状奇异性特征的不良状态检测方法,包括以下步骤:在夜间对接触网的拍摄得到待检测的绝缘子图像;待检测绝缘子图像进行对比度增强及高斯滤波去噪处理;通过Radon变换确定图像中绝缘子的大致方向;然后采用二代曲波变换的曲线状奇异性特征定位绝缘子并微调角度;最后利用二代曲波变换的曲线状奇异性特征和小波变换的点状奇异性特征判断绝缘子不良状态。本发明可快速正确识别绝缘子,并有效判断绝缘子是否发生破损与夹杂异物的不良状态及不良状态的类型。实际输入量为待测的图像,实际输出量为已经定位出绝缘子的图片和不良状态检测的结果数据,识别效果良好,判断结果准确可靠。但这样的方法只能适用于夜间拍摄质量较好的瓷质绝缘子。
发明内容
针对现有技术中的绝缘子定位方法存在对于亮度和瓷釉反光特性有较大依赖,只能适用于夜间拍摄质量较好的瓷质绝缘子的技术问题,本发明公开了一种定位绝缘子的方法和系统;针对现有技术中的绝缘子故障检测方法只能识别缺失与片间异物等大范围缺陷,对于面积较小的破损与闪络并不敏感的技术问题,本发明公开了一种绝缘子的故障检测方法和系统。
本发明的具体实施方式如下:
一种定位绝缘子的方法,其具体包括以下的步骤:步骤一、利用接触网巡检装置拍摄巡检线路支持装置中绝缘子的图像;步骤二、将图像中各部分的梯度方向直方图描述子特征与绝缘子特征库进行匹配,根据匹配结果输出粗定位后的局部图像,所述局部图像包含绝缘子及其周边背景;步骤三、预处理粗定位后的局部图像,得到二值化的绝缘子图像;步骤四、根据绝缘子的图像特征实现绝缘子的准确定位;步骤五、提取出绝缘子。
更进一步地,上述步骤四具体为:在粗定位后包含绝缘子及其所在腕臂的局部图像中,提取出图像中的平行直线段,根据腕臂边缘线的角度以及距离阈值判断出腕臂的边缘线,然后采用周期性波形分析提取该边缘线段所在直线的灰度波形中周期变化的部分,得到绝缘子的首尾位置及边缘线。
更进一步地,上述步骤四具体为:在预处理后的图像上描述所有闭合连通域的轮廓及其最小外接矩形,然后根据最小外接矩形的位置,利用聚类算法,将聚集在一起的轮廓描述出,即定位了整个绝缘子;其中闭合连通域是指在二值化图像中,图像中的某一个块与外部之间完全隔离,称为一个闭合连通域。
更进一步地,上述步骤四具体为:根据绝缘子的首尾位置及边缘线修正定位出的绝缘子。
更进一步地,上述步骤五具体为:利用仿射变换提取出绝缘子。
更进一步地,上述步骤三中的预处理具体包括:采用中值滤波、Otsu阈值法、灰度级形态学处理、图像增强依次预处理粗定位后的图像。
更进一步地,上述方法还包括检测绝缘子是否处在不良状态,通过将绝缘子从上到下进行分割并分段做灰度投影,得到黑白相间的绝缘子柱状条带图,根据柱状条带图间距或者投影后的柱状图是否存在不规则凹陷进行缺陷检测。
本发明还公开了一种定位绝缘子的系统,其具体包括:接触网巡检装置、绝缘子初定位模块、图像预处理模块、绝缘子精确定位模块和绝缘子提取模块;所述接触网巡检装置用于拍摄巡检线路支持装置中绝缘子的图像;所述绝缘子初定位模块用于将图像中各部分的梯度方向直方图描述子特征与绝缘子特征库进行匹配,根据匹配结果输出粗定位后的局部图像,所述局部图像包含绝缘子及其周边背景;所述图像预处理模块用于预处理粗定位后的局部图像,得到二值化的绝缘子图像;所述绝缘子精确定位模块用于根据绝缘子的边缘线,提取边缘线灰度波形中周期变化的部分,同时结合轮廓提取算法实现绝缘子的准确定位;所述绝缘子提取模块用于提取出绝缘子。
更进一步地,上述系统还包括故障检测模块,所述故障检测模块用于检测绝缘子是否处在不良状态,通过将绝缘子从上到下进行分割并分段做灰度投影,得到黑白相间的绝缘子柱状条带图,根据柱状条带图间距或者投影后的柱状图是否存在不规则凹陷进行缺陷检测。
通过采用以上的技术方案,本发明具备以下的有益效果:利用绝缘子在图像中明暗相间的特征,采用梯度方向直方图描述子(HOG)对绝缘子特征进行描述,采用支持向量机(SVM)进行特征学习与检测以实现绝缘子的粗定位;采用中值滤波、图像对比度增强、局部二值化结合分区域Otsu阈值法、灰度级形态学处理预处理粗定位后的图像;采用周期性波形分析提取Hough变换后腕臂边缘线灰度波形中周期变化的部分,结合轮廓提取算法综合实现绝缘子的准确定位并利用仿射变换提取出绝缘子;最后,在提取出的绝缘子图像上,利用灰度周期变换的特征,分割为三段分别投影并检测绝缘子是否处在破损、污秽等不良状态。
本系统对铁路实际需求及现场线路图像复杂的特性,采用对光照变化具有较好适应性的梯度方向直方图特征进行粗定位,进一步利用局部二值化结合分区域Otsu阈值法处理粗定位后的感兴趣区域,对于亮度和瓷釉反光特性敏感度有所降低,可适用于全时段拍摄的瓷质绝缘子和夜间拍摄的复合绝缘子,具有一定普适性;采用自适应仿射变换校正绝缘子伞裙的弧度,对于拍摄角度等参数适应性较好;分三段分别灰度投影并检测提高了对故障的敏感度及识别定位的准确性,可识别片缺失与片间异物等缺陷,特别是对于面积较小的破损、闪络与污秽同样适用;可调整敏感度满足检测不同大小缺陷的需求;同时,本系统利用现有接触网巡检装置拍摄的图像高效智能识别绝缘子破损、闪络、污秽等不良状态,大大降低接触网巡检后图像分析工作的耗时和故障判读人员的劳动强度。
附图说明
图1为本发明的定位绝缘子以及绝缘子故障检测实现的流程图。
图2为拍摄到的绝缘子的局部图像。
图3为绝缘子局部HOG特征。
图4为二值化后的绝缘子的结构示意图。
图5为延长直线上像素点的灰度值的直方变化趋势波形图。
图6为采用矩形框聚类的流程图。
图7为从图像中提取出绝缘子的示意图。
图8为绝缘子从上到下分割为三段的示意图。
图9为弧度校正后的图像。
图10为其中一段的绝缘子柱状条带图。
具体实施方式
下面结合说明书附图,详细说明本发明的具体实施方式。
本发明公开了一种定位绝缘子的方法,其具体包括以下的步骤:步骤一、利用接触网巡检装置拍摄巡检线路支持装置中绝缘子的图像;步骤二、将图像中各部分的梯度方向直方图描述子特征与绝缘子特征库进行匹配,根据匹配结果输出粗定位后的局部图像,所述局部图像包含绝缘子及其周边背景;步骤三、预处理粗定位后的局部图像,得到二值化的绝缘子图像;步骤四、取步骤三输出的图像的边缘线,并提取边缘线灰度波形中周期变化的部分,同时结合轮廓提取算法实现绝缘子的准确定位;步骤五、利用仿射变换提取出绝缘子。本发明通过接触网巡检装置拍摄巡检线路支持装置中绝缘子的图像,不需要人工再进行步行巡检,提高巡检效率,本发明根据绝缘子在图像中明暗相间的周期性变化特征,实现对图像中绝缘子的准确定位,本发明的定位方法不依赖亮度和瓷釉的反光特性,不仅适于夜间拍摄,同样适用于白天拍摄,定位准确性高,对场景光线的依赖性小。通过准确定位绝缘子,方便技术人员人工察看绝缘子的状况以及方便后续故障的自动检测。
更进一步地,上述步骤一具体为:接触网巡检装置拍摄巡检线路支持装置中绝缘子的图像,为以后各步骤提供数据基础。具体方法为:通过安装在接触网检测车/工程车顶的多组相机触发拍摄接触悬挂及支持装置的图像。图2为拍摄到的绝缘子的局部图像。
更进一步地,上述步骤二具体包括如下子步骤:
(1)在建立不同背景条件下不同型号的绝缘子HOG特征库时,需要制作训练集中的正样本并进行裁剪缩放等预处理。该预处理是计算HOG特征的需要,裁剪的窗口根据样本图像中绝缘子的大小设定,为了能更好的保留绝缘子整体的HOG特征,裁剪后的图像统一缩放至检测窗口(比如:64×128)大小;
(2)在确定最优SVM参数时,首先采用网格搜索法取值,然后对该组参数进行K交叉验证,计算精确值(交叉验证的准确率等于能够被正确分类的数量百分比),确定最优SVM参数以获得最佳分类效果,也就是基于HOG特征的绝缘子最佳识别与粗定位效果。
(3)计算预处理后的正样本集与负样本集的HOG特征,通过具有最优分类参数的SVM进行特征学习,建立绝缘子特征库。
图3为绝缘子局部HOG特征,将此HOG特征与绝缘子特征库的HOG特征进行匹配,根据匹配结果输出粗定位后的局部图像。
本发明可以通过支持向量机(SVM)进行特征学习与检测实现绝缘子的粗定位,通过SVM将待检测图像中各部分的HOG特征与特征库进行匹配,输出较为一致的部分,完成绝缘子的粗定位,粗定位后的局部图象应包含绝缘子及其周边少量背景。
更进一步地,上述步骤三中的预处理具体包括:采用中值滤波、Otsu阈值法、灰度级形态学处理、图像增强预处理粗定位后的图像。此步骤通过中值滤波、图像对比度增强、局部二值化结合分区域Otsu阈值法、灰度级形态学处理等方法对粗定位后的图像进行预处理,为精定位和故障检测提供数据保障。其包括如下子步骤:
(1)采用非线性的中值滤波方法,对图像进行平滑处理;
(2)调节对比度,使绝缘子片更突出、清晰,片间由于灰度低被抑制;
(3)采用局部二值化方法和分区域全局二值化相结合方法对图像进行二值化处理,其中,局部二值化阈值由待求点与规定邻域内灰度均值的方差比较后按既定权值给出,分区域全局二值化阈值采用Otsu灰度统计区域概率最大值;
(4)对二值化后的图像进行适合的形态学处理,对于精定位的图片膨胀以突显绝缘子片,对于故障检测的图片进行闭运算,填充片内细小空洞、平滑其边界的同时并不明显改变其面积。
更进一步地,上述步骤四具体为:在粗定位后包含绝缘子及其所在腕臂的局部图像中,采用概率Hough变换提取图像中的平行直线段,即腕臂边缘线,采用周期性波形分析提取该边缘线段所在直线灰度波形中周期变化的部分,结合轮廓提取算法确定绝缘子的边缘及角点以实现绝缘子的准确定位;其具体包括如下子步骤:
(1)采用概率Hough变换或者其它的算法提取出图像中的平行直线段,在粗定位并预处理后包含绝缘子及其所在腕臂的局部图像中利用直线角度及平行线间距离描述平腕臂或斜腕臂的边缘线,于预处理后的图(二值图)中提取该边缘线延长直线上的每个像素点的灰度值,将灰度值于二维坐标中描绘出直方变化趋势波形,采用周期性波形分析提取波形中周期变化的部分,其首尾坐标即可映射到原图中的绝缘子首尾位置;确定首尾位置后,与原图中提取与该边缘线延长直线平行逐步远离的数条直线,直到直线波形中不再出现规律相同的周期变化的部分,即定位了绝缘子的外边缘。在实际应用中,此步骤主要是用来修正步骤(2)的结果。
在接触网中,腕臂与绝缘子相连,腕臂与绝缘子连接后通过固定装置与支柱固定,腕臂包括平腕臂和斜腕臂,垂直于支柱的为平腕臂,与支柱倾斜连接的是斜腕臂。如图4所示的二值化后的绝缘子的结构示意图,其中的腕臂为斜腕臂、周期性变化的一串为绝缘子,垂直的黑色柱子为支柱。
在图像中,腕臂的边缘为一条直线,腕臂边缘线的延长线必然相交于绝缘子,该直线在图像中存在固定的角度,比如斜腕臂的角度为120-130度之间,平腕臂的角度在175-185度之间,根据直线的角度以及直线间的距离(距离的域值同样根据经验灵活设定)判定图像中的直线是否属于腕臂边缘线。
从图4可以看出,边缘线的延长线中必然会包含绝缘子,因此,提取该边缘线延长直线上的每个像素点的灰度值,将灰度值于二维坐标中描绘出直方变化趋势波形,如图5所示延长直线上像素点的灰度值的直方变化趋势波形图,横坐标250-500处的像素点的灰度值呈周期变化。采用周期性波形分析可以提取波形中周期变化的部分,其首尾坐标即可映射到原图中的绝缘子首尾位置。
(2)在预处理后的图像上描述所有闭合连通域的轮廓及其最小外接矩形,并获取最小外接矩形的中心点坐标、角度、长宽信息;所述闭合连通域是指在二值化(黑白两色)图像中,图像中的某一个块与外部之间完全隔离,称为一个闭合连通域。在图像较为清晰时,中间部分的每片绝缘子(黑色)与其它片的绝缘子之间会存在一个白色的隔离线,当中间部分这片绝缘子和与其临近的两片绝缘子之间的白色的隔离线完全连通时,则中间部分这片绝缘子为一个闭合连通域。然后根据最小外接矩形的位置,利用聚类算法,将聚集在一起的轮廓描述出,即定位了整个绝缘子(加图6所示的采用矩形框聚类的流程图),(图中 表示矩形框数组X的规模,当时,X为空;表示矩形框间最大可能间隙,经大量实验,设置为50时具有最优聚类效果)。
(3)通过综合步骤(1)与步骤(2)获取的定位信息,准确获取包含绝缘子的最小矩形框及其四个角点,然后采用仿射变换提取出目标绝缘子。一般情况下以步骤(1)修正步骤(2)的结果。图7为从图像中提取出绝缘子的示意图。
更进一步地,上述方法还包括检测绝缘子是否处在破损、污秽等不良状态。其检测利用灰度周期变换的特征,包括如下子步骤:
(1)如图8所示,将绝缘子从上到下分割为三段,提取中间单片绝缘子,在各段分割处求取绝缘子片因拍摄角度不同造成不同程度的视觉弧度,利用该弧度校正各段绝缘子。图9为弧度校正后图像,从图8和图9的对比可以看出,中间段的绝缘子的弧度不变,上下两段绝缘子的弧度以中间段的弧度为标准进行校正。
(2)将分段校正后的绝缘子按段分别做灰度投影,得到黑白相间的绝缘子柱状条带图;如图10所示的其中一段的绝缘子柱状条带图。
(3)根据投影后的柱状条带图间距进行缺陷检测,当某条带间距离与其他条带间距离众数的差过大,被认为存在缺陷;在检测时,需划定检测敏感度,图10中的横线为敏感度直线,敏感度直线越靠近柱状图顶端对缺陷越敏感;
(4)对于绝缘子不存在条带间距离的首尾片,采用单片纵向灰度投影,通过判断投影后的柱状图是否存在不规则凹陷检测缺陷,在检测时,同样需划定检测敏感度,该敏感度直线越靠近柱状图顶端对缺陷越敏感。在实际应用中,绝缘子最容易发生闪络的地方通常为首尾片下半部分,因此针对该首位片的单片绝缘子采用单片纵向灰度投影判定是否存在不规则凹陷。
本发明还公开了一种定位绝缘子的系统以及检测绝缘子故障的系统。
一种定位绝缘子的系统,其具体包括:接触网巡检装置、绝缘子初定位模块、图像预处理模块、绝缘子精确定位模块和绝缘子提取模块,所述接触网巡检装置用于拍摄巡检线路支持装置中绝缘子的图像;所述绝缘子初定位模块用于将图像中各部分的梯度方向直方图描述子特征与绝缘子特征库进行匹配,根据匹配结果输出粗定位后的局部图像,所述局部图像包含绝缘子及其周边背景;所述图像预处理模块用于预处理粗定位后的局部图像,得到二值化的绝缘子图像;所述绝缘子精确定位模块用于根据绝缘子的边缘线,提取边缘线灰度波形中周期变化的部分,同时结合轮廓提取算法实现绝缘子的准确定位;所述绝缘子提取模块用于提取出绝缘子。本发明通过接触网巡检装置拍摄巡检线路支持装置中绝缘子的图像,不需要人工再进行步行巡检,提高巡检效率,本发明根据绝缘子在图像中明暗相间的周期性变化特征,实现对图像中绝缘子的准确定位,本发明的定位方法不依赖亮度和瓷釉的反光特性,不仅适于夜间拍摄,同样适用于白天拍摄,定位准确性高,对场景光线的依赖性小。通过准确定位绝缘子,方便技术人员人工察看绝缘子的状况以及方便后续故障的自动检测。
为了在上述系统中实现故障检测,其系统还包括故障检测模块,所述故障检测模块用于检测绝缘子是否处在不良状态,通过将绝缘子从上到下进行分割并分段做灰度投影,得到黑白相间的绝缘子柱状条带图,根据柱状条带图间距或者投影后的柱状图是否存在不规则凹陷进行缺陷检测。
上述说明示出并描述了本发明的一个优选实施例,但如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (9)
1.一种定位绝缘子的方法,其特征在于具体包括以下的步骤:步骤一、利用接触网巡检装置拍摄巡检线路支持装置中绝缘子的图像;步骤二、将图像中各部分的梯度方向直方图描述子特征与绝缘子特征库进行匹配,根据匹配结果输出粗定位后的局部图像,所述局部图像包含绝缘子及其周边背景;步骤三、预处理粗定位后的局部图像,得到二值化的绝缘子图像;步骤四、根据绝缘子的图像特征实现绝缘子的准确定位;步骤五、提取出绝缘子。
2.如权利要求1所述的定位绝缘子的方法,其特征在于所述步骤四具体为:在粗定位后包含绝缘子及其所在腕臂的局部图像中,提取出图像中的平行直线段,根据腕臂边缘线的角度以及距离阈值判断出腕臂的边缘线,然后采用周期性波形分析提取该边缘线段所在直线的灰度波形中周期变化的部分,得到绝缘子的首尾位置及边缘线。
3.如权利要求1所述的定位绝缘子的方法,其特征在于所述步骤四具体为:在预处理后的图像上描述所有闭合连通域的轮廓及其最小外接矩形,然后根据最小外接矩形的位置,利用聚类算法,将聚集在一起的轮廓描述出,即定位了整个绝缘子;其中闭合连通域是指在二值化图像中,图像中的某一个块与外部之间完全隔离,称为一个闭合连通域。
4.如权利要求3所述的定位绝缘子的方法,其特征在于所述步骤四具体为:根据绝缘子的首尾位置及边缘线修正定位出的绝缘子。
5.如权利要求1所述的定位绝缘子的方法,其特征在于所述步骤五具体为:利用仿射变换提取出绝缘子。
6.如权利要求1所述的定位绝缘子的方法,其特征在于所述步骤三中的预处理具体包括:采用中值滤波、Otsu阈值法、灰度级形态学处理、图像增强依次预处理粗定位后的图像。
7.如权利要求1所述的定位绝缘子的方法,其特征在于所述方法还包括检测绝缘子是否处在不良状态,通过将绝缘子从上到下进行分割并分段做灰度投影,得到黑白相间的绝缘子柱状条带图,根据柱状条带图间距或者投影后的柱状图是否存在不规则凹陷进行缺陷检测。
8.一种定位绝缘子的系统,其特征在于其具体包括:接触网巡检装置、绝缘子初定位模块、图像预处理模块、绝缘子精确定位模块和绝缘子提取模块;所述接触网巡检装置用于拍摄巡检线路支持装置中绝缘子的图像;所述绝缘子初定位模块用于将图像中各部分的梯度方向直方图描述子特征与绝缘子特征库进行匹配,根据匹配结果输出粗定位后的局部图像,所述局部图像包含绝缘子及其周边背景;所述图像预处理模块用于预处理粗定位后的局部图像,得到二值化的绝缘子图像;所述绝缘子精确定位模块用于根据绝缘子的边缘线,提取边缘线灰度波形中周期变化的部分,同时结合轮廓提取算法实现绝缘子的准确定位;所述绝缘子提取模块用于提取出绝缘子。
9.如权利要求8所述的定位绝缘子的系统,其特征在于系统还包括故障检测模块,所述故障检测模块用于检测绝缘子是否处在不良状态,通过将绝缘子从上到下进行分割并分段做灰度投影,得到黑白相间的绝缘子柱状条带图,根据柱状条带图间距或者投影后的柱状图是否存在不规则凹陷进行缺陷检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510217820.0A CN104764748B (zh) | 2015-05-04 | 2015-05-04 | 定位绝缘子的方法、系统以及故障检测的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510217820.0A CN104764748B (zh) | 2015-05-04 | 2015-05-04 | 定位绝缘子的方法、系统以及故障检测的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104764748A true CN104764748A (zh) | 2015-07-08 |
CN104764748B CN104764748B (zh) | 2017-08-11 |
Family
ID=53646712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510217820.0A Active CN104764748B (zh) | 2015-05-04 | 2015-05-04 | 定位绝缘子的方法、系统以及故障检测的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104764748B (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354589A (zh) * | 2015-10-08 | 2016-02-24 | 成都唐源电气有限责任公司 | 一种在接触网图像中智能识别绝缘子裂损的方法及系统 |
CN105447530A (zh) * | 2016-01-05 | 2016-03-30 | 国网四川省电力公司检修公司 | 基于图像识别技术的输电线路隐患及故障检测方法 |
CN105678760A (zh) * | 2016-01-04 | 2016-06-15 | 国家电网公司 | 一种基于Canny边缘检测算法的绝缘子图像识别方法 |
CN105790837A (zh) * | 2016-03-04 | 2016-07-20 | 南京邮电大学 | 基于图像匹配和指纹库的led可见光室内定位方法和系统 |
CN106198551A (zh) * | 2016-08-01 | 2016-12-07 | 南方电网科学研究院有限责任公司 | 一种输电线路缺陷的检测方法及装置 |
CN106356757A (zh) * | 2016-08-11 | 2017-01-25 | 河海大学常州校区 | 一种基于人眼视觉特性的电力线路无人机巡检方法 |
CN106504247A (zh) * | 2016-11-09 | 2017-03-15 | 广东电网有限责任公司电力科学研究院 | 一种基于可见光图像的绝缘子串爆片自动检测方法及装置 |
CN106529554A (zh) * | 2016-10-28 | 2017-03-22 | 广东电网有限责任公司电力科学研究院 | 一种基于红外影像的绝缘子半自动提取方法及装置 |
CN106919929A (zh) * | 2017-03-09 | 2017-07-04 | 国家电网公司 | 一种基于模板匹配的红外图像中绝缘子自动识别方法 |
CN107492094A (zh) * | 2017-07-21 | 2017-12-19 | 长安大学 | 一种高压电线绝缘子的无人机视觉检测方法 |
CN107742293A (zh) * | 2017-11-08 | 2018-02-27 | 江苏新绿能科技有限公司 | 接触网绝缘子破损异物夹杂故障检测方法 |
CN107766801A (zh) * | 2017-09-28 | 2018-03-06 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种基于红外热点追踪的绝缘子识别方法及装置 |
CN107886096A (zh) * | 2016-09-29 | 2018-04-06 | 成都思晗科技股份有限公司 | 一种输电线路的绝缘子脱落缺陷检测方法 |
CN108010019A (zh) * | 2017-11-29 | 2018-05-08 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于自适应切割单个绝缘子的缺陷检测方法 |
CN108648169A (zh) * | 2018-03-20 | 2018-10-12 | 中国科学院自动化研究所 | 高压输电塔绝缘子缺陷自动识别的方法及装置 |
CN108921844A (zh) * | 2018-07-06 | 2018-11-30 | 许继集团有限公司 | 一种绝缘子缺陷检测方法与装置 |
CN108986104A (zh) * | 2018-06-04 | 2018-12-11 | 国网浙江省电力有限公司检修分公司 | 基于距离变换和标记分水岭算法的绝缘子图像分割方法 |
CN109632007A (zh) * | 2019-01-17 | 2019-04-16 | 北京理工大学 | 一种边缘点提取方法及齿轮高精度视觉测量系统 |
CN109712112A (zh) * | 2018-11-22 | 2019-05-03 | 中北大学 | 基于局部特征的航拍绝缘子图像的定位方法 |
CN110503029A (zh) * | 2019-08-21 | 2019-11-26 | 云南电网有限责任公司电力科学研究院 | 一种输电线路玻璃绝缘子状态的检测方法 |
CN110954792A (zh) * | 2019-12-10 | 2020-04-03 | 西安交通大学 | 基于高光谱成像复合绝缘子伞裙老化的特征波段提取方法 |
CN110954793A (zh) * | 2019-12-10 | 2020-04-03 | 西安交通大学 | 基于光谱成像的复合绝缘子伞裙老化检测方法及检测装置 |
CN111553432A (zh) * | 2020-04-30 | 2020-08-18 | 西安交通大学 | 一种基于图像特征支持向量机的定子线棒绝缘老化程度预测方法 |
CN111723793A (zh) * | 2020-06-24 | 2020-09-29 | 西南交通大学 | 一种实时刚性接触网定位点识别方法 |
CN112488039A (zh) * | 2020-12-15 | 2021-03-12 | 哈尔滨市科佳通用机电股份有限公司 | 基于机器学习的铁路货车钩尾框托板脱落故障检测方法 |
CN113657258A (zh) * | 2021-08-16 | 2021-11-16 | 前景智能交通科技(苏州)有限公司 | 一种基于图像处理的接触网故障识别系统和识别方法 |
CN114187295A (zh) * | 2022-02-16 | 2022-03-15 | 中铁电气化局集团有限公司 | 基于机器学习的绝缘子缺陷检测方法 |
CN116740057A (zh) * | 2023-08-11 | 2023-09-12 | 深圳市鹏基精密工业有限公司 | 一种圆柱形工件毛刺在线检测方法及系统 |
-
2015
- 2015-05-04 CN CN201510217820.0A patent/CN104764748B/zh active Active
Non-Patent Citations (6)
Title |
---|
刘国海 蒋志佳: "基于改进ART-2网络和不变矩的高压瓷瓶裂缝识别", 《仪器仪表学报》 * |
杨红梅: "基于图像处理的接触网支持及悬挂装置不良状态检测", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
石成龙: "钢化玻璃绝缘子缺陷检测方法及装置研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
钟钰: "基于内容的图像查询在车牌识别系统中的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈燕华: "接触网关键部件的视频图像检测与识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
顾会建: "基于视频图片的接触网定位器识别方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354589A (zh) * | 2015-10-08 | 2016-02-24 | 成都唐源电气有限责任公司 | 一种在接触网图像中智能识别绝缘子裂损的方法及系统 |
CN105678760A (zh) * | 2016-01-04 | 2016-06-15 | 国家电网公司 | 一种基于Canny边缘检测算法的绝缘子图像识别方法 |
CN105447530A (zh) * | 2016-01-05 | 2016-03-30 | 国网四川省电力公司检修公司 | 基于图像识别技术的输电线路隐患及故障检测方法 |
CN105790837A (zh) * | 2016-03-04 | 2016-07-20 | 南京邮电大学 | 基于图像匹配和指纹库的led可见光室内定位方法和系统 |
CN106198551A (zh) * | 2016-08-01 | 2016-12-07 | 南方电网科学研究院有限责任公司 | 一种输电线路缺陷的检测方法及装置 |
CN106356757A (zh) * | 2016-08-11 | 2017-01-25 | 河海大学常州校区 | 一种基于人眼视觉特性的电力线路无人机巡检方法 |
CN106356757B (zh) * | 2016-08-11 | 2018-03-20 | 河海大学常州校区 | 一种基于人眼视觉特性的电力线路无人机巡检方法 |
CN107886096A (zh) * | 2016-09-29 | 2018-04-06 | 成都思晗科技股份有限公司 | 一种输电线路的绝缘子脱落缺陷检测方法 |
CN106529554B (zh) * | 2016-10-28 | 2019-05-10 | 广东电网有限责任公司电力科学研究院 | 一种基于红外影像的绝缘子半自动提取方法及装置 |
CN106529554A (zh) * | 2016-10-28 | 2017-03-22 | 广东电网有限责任公司电力科学研究院 | 一种基于红外影像的绝缘子半自动提取方法及装置 |
CN106504247A (zh) * | 2016-11-09 | 2017-03-15 | 广东电网有限责任公司电力科学研究院 | 一种基于可见光图像的绝缘子串爆片自动检测方法及装置 |
CN106504247B (zh) * | 2016-11-09 | 2019-05-17 | 广东电网有限责任公司电力科学研究院 | 一种基于可见光图像的绝缘子串爆片自动检测方法及装置 |
CN106919929A (zh) * | 2017-03-09 | 2017-07-04 | 国家电网公司 | 一种基于模板匹配的红外图像中绝缘子自动识别方法 |
CN107492094A (zh) * | 2017-07-21 | 2017-12-19 | 长安大学 | 一种高压电线绝缘子的无人机视觉检测方法 |
CN107766801A (zh) * | 2017-09-28 | 2018-03-06 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种基于红外热点追踪的绝缘子识别方法及装置 |
CN107742293A (zh) * | 2017-11-08 | 2018-02-27 | 江苏新绿能科技有限公司 | 接触网绝缘子破损异物夹杂故障检测方法 |
CN108010019A (zh) * | 2017-11-29 | 2018-05-08 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于自适应切割单个绝缘子的缺陷检测方法 |
CN108010019B (zh) * | 2017-11-29 | 2022-03-25 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于自适应切割单个绝缘子的缺陷检测方法 |
CN108648169B (zh) * | 2018-03-20 | 2020-11-10 | 中国科学院自动化研究所 | 高压输电塔绝缘子缺陷自动识别的方法及装置 |
CN108648169A (zh) * | 2018-03-20 | 2018-10-12 | 中国科学院自动化研究所 | 高压输电塔绝缘子缺陷自动识别的方法及装置 |
CN108986104A (zh) * | 2018-06-04 | 2018-12-11 | 国网浙江省电力有限公司检修分公司 | 基于距离变换和标记分水岭算法的绝缘子图像分割方法 |
CN108921844A (zh) * | 2018-07-06 | 2018-11-30 | 许继集团有限公司 | 一种绝缘子缺陷检测方法与装置 |
CN109712112A (zh) * | 2018-11-22 | 2019-05-03 | 中北大学 | 基于局部特征的航拍绝缘子图像的定位方法 |
CN109712112B (zh) * | 2018-11-22 | 2022-06-24 | 中北大学 | 基于局部特征的航拍绝缘子图像的定位方法 |
CN109632007A (zh) * | 2019-01-17 | 2019-04-16 | 北京理工大学 | 一种边缘点提取方法及齿轮高精度视觉测量系统 |
CN109632007B (zh) * | 2019-01-17 | 2020-12-04 | 北京理工大学 | 一种边缘点提取方法及齿轮高精度视觉测量系统 |
CN110503029A (zh) * | 2019-08-21 | 2019-11-26 | 云南电网有限责任公司电力科学研究院 | 一种输电线路玻璃绝缘子状态的检测方法 |
CN110954792A (zh) * | 2019-12-10 | 2020-04-03 | 西安交通大学 | 基于高光谱成像复合绝缘子伞裙老化的特征波段提取方法 |
CN110954792B (zh) * | 2019-12-10 | 2021-04-09 | 西安交通大学 | 基于高光谱成像复合绝缘子伞裙老化的特征波段提取方法 |
CN110954793B (zh) * | 2019-12-10 | 2021-06-01 | 西安交通大学 | 基于光谱成像的复合绝缘子伞裙老化检测方法及检测装置 |
CN110954793A (zh) * | 2019-12-10 | 2020-04-03 | 西安交通大学 | 基于光谱成像的复合绝缘子伞裙老化检测方法及检测装置 |
CN111553432A (zh) * | 2020-04-30 | 2020-08-18 | 西安交通大学 | 一种基于图像特征支持向量机的定子线棒绝缘老化程度预测方法 |
CN111553432B (zh) * | 2020-04-30 | 2022-02-22 | 西安交通大学 | 一种基于图像特征支持向量机的定子线棒绝缘老化程度预测方法 |
CN111723793A (zh) * | 2020-06-24 | 2020-09-29 | 西南交通大学 | 一种实时刚性接触网定位点识别方法 |
CN111723793B (zh) * | 2020-06-24 | 2022-06-28 | 西南交通大学 | 一种实时刚性接触网定位点识别方法 |
CN112488039A (zh) * | 2020-12-15 | 2021-03-12 | 哈尔滨市科佳通用机电股份有限公司 | 基于机器学习的铁路货车钩尾框托板脱落故障检测方法 |
CN113657258A (zh) * | 2021-08-16 | 2021-11-16 | 前景智能交通科技(苏州)有限公司 | 一种基于图像处理的接触网故障识别系统和识别方法 |
CN114187295A (zh) * | 2022-02-16 | 2022-03-15 | 中铁电气化局集团有限公司 | 基于机器学习的绝缘子缺陷检测方法 |
CN116740057A (zh) * | 2023-08-11 | 2023-09-12 | 深圳市鹏基精密工业有限公司 | 一种圆柱形工件毛刺在线检测方法及系统 |
CN116740057B (zh) * | 2023-08-11 | 2023-12-01 | 深圳市鹏基精密工业有限公司 | 一种圆柱形工件毛刺在线检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104764748B (zh) | 2017-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104764748A (zh) | 定位绝缘子的方法、系统以及故障检测的方法和系统 | |
Davari et al. | Intelligent diagnosis of incipient fault in power distribution lines based on corona detection in UV-visible videos | |
CN105354589A (zh) | 一种在接触网图像中智能识别绝缘子裂损的方法及系统 | |
CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
CN107179479B (zh) | 基于可见光图像的输电导线散股缺陷检测方法 | |
CN105957073B (zh) | 输电线路散股故障检测方法 | |
CN106326808B (zh) | 基于无人机图像的检测输电线路杆塔上鸟窝的方法 | |
Wang et al. | Recognition and drop-off detection of insulator based on aerial image | |
CN105718964B (zh) | 一种输电线防振锤的视觉检测方法 | |
CN111428748A (zh) | 一种基于hog特征和svm的红外图像绝缘子识别检测方法 | |
CN104331710B (zh) | 开关状态识别系统 | |
CN106485694B (zh) | 一种基于级联分类器的高铁接触网双套管连接器六边形螺母脱落不良状态检测方法 | |
CN103442209A (zh) | 一种输电线路的视频监控方法 | |
CN105373135A (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
CN103940824A (zh) | 一种空中输电线路绝缘子检测方法 | |
CN103413150A (zh) | 基于可见光影像对电力线路缺陷进行诊断的方法 | |
CN105741291A (zh) | 一种高速铁路接触网悬挂装置等电位线故障检测方法 | |
CN103529362A (zh) | 基于感知的绝缘子识别与缺陷诊断方法 | |
CN106920240A (zh) | 一种基于红外图像的绝缘子识别和故障诊断方法 | |
CN103323460A (zh) | 一种基于可见光图像的绝缘子检测方法及装置 | |
Prabhakaran et al. | Deep Learning-Based Model for Defect Detection and Localization on Photovoltaic Panels. | |
Wang et al. | Semantic segmentation of transmission lines and their accessories based on UAV-taken images | |
CN113298077A (zh) | 一种基于深度学习的变电站异物识别定位方法及装置 | |
Hao et al. | Detection of bird nests on power line patrol using single shot detector | |
CN114266770B (zh) | 通过神经网络学习方法检测高铁接触网吊弦缺陷的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 610045, Chengdu, Sichuan, Wuhou District Province, five Xing Road, No. 55 West Chi Valley A1-1-9 Co-patentee after: Southwest Jiaotong University Patentee after: Chengdu Tang source electrical Limited by Share Ltd Address before: 610045 Wuhou District, Sichuan Province, Wu Xing Road, No. 28, West Chi Valley A1-1-9 Co-patentee before: Southwest Jiaotong University Patentee before: Chengdu Tangyuan Electric Co., Ltd. |
|
CP03 | Change of name, title or address |